NumPy Tutorial - NumPy Multidimensional Array-ndarray

1. Definição de ndarray
2. Atributos ndarray

NumPy é uma biblioteca que utiliza arrays multidimensionais como estrutura básica de dados. A única estrutura de dados no NumPy é ndarray mas não Python primitivo list data type, porque a list corre relativamente devagar.

Depois de aprender a ndarray que é a pedra angular da NumPy, você entenderá porque a NumPy pode alcançar computação de alta velocidade.

Definição de ndarray

ndarray é a abreviação de n-dimension array, ou em outras palavras - arrays multidimensionais. O ndarray é um objeto de array que representa um array multidimensional e homogêneo de itens de tamanho fixo.

As dimensões e o número de elementos são definidos pela forma, que é um tuple de N inteiros que representa o número de elementos em cada dimensão. O tipo de elemento no array é definido por dtype- data-type object.

Vamos explicar as sentenças acima em linguagem leiga. Todos os elementos armazenados no objeto ndarray devem ter o mesmo tipo e tamanho de dados.

As características do tipo de dados ndarray são resumidas como a seguir.

1. Só podem ser armazenados elementos do mesmo tipo
2. A quantidade de dados em cada dimensão deve ser a mesma, por exemplo 2D ndarray deve ter a mesma quantidade de elementos em cada coluna, e claro que também em cada linha.
3. É escrito em linguagem C e pode executar a operação de matriz de forma ideal.

Atributos ndarray

Vamos listar os atributos de ndarray.

Quando você acessa os atributos de ndarray, os dados da instância ndarray não são modificados, mesmo quando você utiliza .T para obter a transposição do objeto. Você obtém um novo objeto ndarray mas não os dados originais modificados.

Vamos dar uma olhada no significado específico de cada atributo através de códigos de exemplo.

>>> import numpy as np
>>> a = np.array([1, 2, 3])

Nós precisamos importar a biblioteca NumPy e criar um novo array 1-D. Você pode verificar seu tipo de dados e o tipo de dados de seu elemento.

>>> type(a)
numpy.ndarray
>>> a.dtype
dtype('int32')

Vamos criar um novo array 2-D e então verificar seus atributos.

>>> b = np.array([[4, 5, 6], [7, 8, 9]])
>>> b
array([[4, 5, 6],
       [7, 8, 9]])
>>> b.T     # get the transpose of b
array([[4, 7],
       [5, 8],
       [6, 9]])
>>> b       # b keeps unmodified
array([[4, 5, 6],
       [7, 8, 9]])
>>> a.size  # a has 3 elements
3
>>> b.size  # b has 6 elements
6
>>> a.itemsize # The size of element in a. The data type here is int64 - 8 bytes
8
>>> b.nbytes  # check how many bytes in b. It is 48, where 6x8 = 48
48
>>> b.shape # The shape of b
(2, 3)
>>> b.dnim # The dimensions of b
2